本发明提供了一种基于XGBoost与CV交叉函数的多层合采产液剖面劈分方法，包括以下步骤：对区块内相应油水井的静、动态数据进行筛选和提取，构建多源数据集；挑选出与产液剖面相关性较强的影响因素；对数据集中数据进行处理，建立产液剖面预测样本数据集；对比三种机器学习算法建立的分层产液剖面预测模型，选择使用XGBoost算法进行分层产液剖面预测模型的搭建；对选择的模型进行相应的模型训练及调参优化；将模型预测结果与KH劈分结果进行对比，选择二者的均值作为模型的最终输出；基于训练好的预测模型，进行油田现场多层合采生产井产液剖面的预测。本发明可充分利用油田现场数据和计算资源，实现对多层合采产量进行低成本且准确的劈分预测。